陈友升 周介祺 梁敏健 张大伟 刘桂雄

学术研究

基于YOLOv5视觉感知的实时叉车驾驶操作行为识别方法*

陈友升1周介祺1梁敏健2,3张大伟3刘桂雄1

（1.华南理工大学机械与汽车工程学院，广东 广州 510640 2.广东省特种设备检测研究院珠海检测院，广东 珠海 519002 3.阿拉善盟特种设备检验所，内蒙古 阿拉善盟 750306）

驾驶员操作信息可反映驾驶情况和操作水平，有助于驾驶安全检测。以叉车为例，研究一种基于YOLOv5视觉感知的实时叉车驾驶操作行为识别方法。首先，提出该方法的整体架构；然后，研究基于操作特征的实时叉车驾驶操作行为识别方法；最后，在一台合力K30柴油叉车上搭建试验平台进行测试。测试结果表明：本方法操作特征识别率达100%、操作行为识别正确率达98%，具有准确性好、实时识别的特点，可拓展应用于其他车辆操作检测。

深度学习；目标检测；行为识别；驾驶操作

0 引言

驾驶员通过与操纵器交互获取驾驶操作信息，以便监控驾驶状态[1]、评估驾驶水平[2]。目前，获取驾驶操作信息的主要方法包括基于车辆信息感知、基于驾驶员生理信号反应和基于驾驶员操作行为感知等。其中基于车辆信息感知方法通过检测车辆行驶信息，反推驾驶员操作行为，如文献[3]（2015）通过MEMS惯性传感器、汽车OBD系统，完成驾驶员操作行为识别，并分析驾驶操作与油耗之间的关系；文献[4]（2018）通过车辆CAN总线获取行驶信息，经滤波、数据融合以及工况识别，反推驾驶操作行为；文献[5]（2020）通过DAS系统采集行车信息，使用一种基于双向长短记忆网络（Bi-LSTM）及全连接神经网络（FC），拓展神经网络检测模型，借助行车数据在时间序列上发生突变的特征判断异常驾驶。……